机器学习算法在恒星磁场测量中的应用
太阳与恒星天体物理
2018-11-07 v1
摘要
基于机器学习算法(MLA)的回归方法已成为许多不同学科中数据分析的重要工具。在这项工作中，我们将 MLA 应用于天体物理背景；我们的目标是通过反演所谓的多线轮廓，从高分辨率偏振光谱中测量恒星的平均纵向磁场(H_eff)。利用合成数据，我们在不同噪声水平下测试了技术的性能：在无误噪声多线轮廓的理想情形下，反演结果极佳；然而，当考虑噪声时，反演的精度显著下降。因此，我们提出一种数据预处理以减少噪声影响，其由去噪轮廓过程与迭代反演方法相结合组成。应用该数据预处理，我们发现反演结果有显著改善，从而能够估计不同噪声水平下恒星磁场测量相关的误差。我们已成功将数据分析技术应用于两颗不同的恒星，首次实现了在其他技术所假设的谱线自相似条件之外从多线轮廓测量 H_eff。
引用
@article{arxiv.1807.10733,
title = {On the use of machine learning algorithms in the measurement of stellar magnetic fields},
author = {J. C. Ramirez-Velez and C. Yañez-Marquez and J. P. Cordova-Barbosa},
journal= {arXiv preprint arXiv:1807.10733},
year = {2018}
}
备注
Accepted for publication in A&A